Agent-Based Simulation of UAV Battery Recharging for IoT Applications: Precision Agriculture, Disaster Recovery, and Dengue Vector Control
本文针对无人机电池续航不足问题，采用智能体仿真方法建模充电协调，提出无通信的充电策略，并通过6000次仿真验证了CT策略在极端条件下的可靠性，为物联网应用提供基线。
2025-05-23 cs.MA cs.RO
Human-LLM Synergy in Context-Aware Adaptive Architecture for Scalable Drone Swarm Operation
Honda Research Institute Europe, Germany（本田欧洲研究机构）
针对灾害响应中无人机蜂群协调的固定架构低效问题，提出利用大语言模型根据实时任务参数动态选择集中式、层级式或全息式架构的自适应方法，仿真验证其在可扩展性、能效和连接性上优于静态模型。
2025-09-03 cs.MA cs.RO
Quantitative Data Analysis: CRASAR Small Unmanned Aerial Systems at Hurricane Ian
Texas A&M University（德克萨斯农工大学）；Florida State University（佛罗里达州立大学）
本文分析飓风伊恩中10种型号sUAS的281次架次飞行及故障，指出其创纪录的灾害应用规模，并总结改进大规模灾害响应的潜在方向。
2023-10-16 cs.RO
Intuitive Human-Drone Collaborative Navigation in Unknown Environments through Mixed Reality
New York University（纽约大学）；Tandon School of Engineering（坦登工程学院）；Worcester Polytechnic Institute（伍斯特理工学院）
本文提出一种基于混合现实的人机接口，通过HMD共享空间信息，在未知环境中实现超越传统遥控的直观安全协同导航，并在模拟灾后场景中验证其优于FPV控制。
2025-04-08 cs.RO
From Rubble Simulation to Active Magnetic Mapping: Quantum Sensing for Disaster Response
Quantum Brilliance；SoftBank Corp.（软银公司）
提出基于无人机的量子磁力仪作为灾害响应中定位幸存者的补充手段，通过物理模拟、传感器阵列部署和贝叶斯主动采样重建磁场结构，验证了亚pT至亚nT范围内磁信号的可恢复性。
2026-06-25 cs.RO physics.app-ph quant-ph
Drones on the Rise: Exploring the Current and Future Potential of UAVs
University of Huddersfield（哈德斯菲尔德大学）
本文综述 UAV 的发展历程、多领域当前应用、未来技术方向及隐私、安全和环境等挑战，呈现其潜力与风险。
2023-04-10 cs.RO
Wireless Network Demands of Data Products from Small Uncrewed Aerial Systems at Hurricane Ian
Texas A&M University（得克萨斯农工大学）；Florida State University（佛罗里达州立大学）
本研究基于飓风伊恩的无人机数据，量化了灾害响应中无线网络需求，提出五因素模型，为无人机设计和通信发展提供指导。
2023-09-05 cs.NI cs.RO
DroneFL: Federated Learning for Multi-UAV Visual Target Tracking
University of Pennsylvania（宾夕法尼亚大学）；Department of Electrical Engineering, University of California at Merced（电气工程系，加州大学默塞德分校）
DroneFL是首个专为多无人机目标跟踪设计的联邦学习框架，通过轻量级模型和位置不变架构解决资源限制与数据异质性，显著降低预测误差和跟踪距离，并实现实时运行。
2025-09-25 cs.RO
Some Problems of Deployment and Navigation of Civilian Aerial Drones
University of New South Wales（新南威尔士大学）
最大的挑战之一是确定无人机的部署和导航，以使其在不同的应用中受益最大。许多研究问题已经提出了关于这个主题。例如，无人机支持的野生动物监测近年来备受关注。不幸的是，这种方法对不同种类的野生动物造成了严重的干扰。此外，由于能够在需要时将通信供应迅速转向需求，配备有基站的无人机，即，无人机蜂窝正在成为向受灾地区的受害者和救援队提供蜂窝网络的一个有前途的解决方案。然而，很少有研究调查了有限回程通信距离的多个无人机小区的最佳部署。此外，使用自主无人机作为许多现实生活应用的飞行交互器尚未得到充分讨论。凭借卓越的机动性，无人机自主空中互动可能用于预防鲨鱼袭击和动物放牧。尽管如此，以前对自主无人机的研究并没有详细讨论这些应用。本报告探讨了所有上述研究问题的解决方案，特别关注无人机的部署和导航。仿真结果验证了所提方法的有效性。我们相信，我们在这份报告中的发现为自主民用无人机的基本好处提供了新的启示。
2021-06-24 cs.RO cs.SY eess.SY
3, 2, 1, Drones Go! A Testbed to Take off UAV Swarm Intelligence for Distributed Sensing
University of Leeds（利兹大学）；University of Sheffield（谢菲尔德大学）
本文介绍了一个研究具有群体智能的无人机分布式感知问题的实验平台。一些智慧城市应用，如交通和灾难响应，需要通过一群智能和协作的无人机来有效收集传感器数据。这往往被证明过于复杂和昂贵，无法在不影响规模、现实性和外部有效性的情况下进行系统和严格的研究。与建议的测试平台，本文设置了一个垫脚石，模仿，在小实验室空间，大感兴趣的领域起源于经验数据和仿真模型。在这张传感地图上，一群低成本的无人机可以飞行，从而可以研究大量的问题，如能源消耗、充电控制、导航和防撞。分散式多智能体集体学习算法（EPOS）在无人机群体智能中的适用性以及功耗测量的评估提供了概念验证并验证了所提出的测试平台的准确性。
2022-08-11 cs.DC cs.RO
M-SET: Multi-Drone Swarm Intelligence Experimentation with Collision Avoidance Realism
School of Computing University of Leeds Leeds, UK
针对现有测试平台无法模拟碰撞、缺乏室外环境真实性的局限，本文提出多无人机感知实验测试平台M-SET，集成势场算法避碰与多智能体集体学习优化，实现无碰撞导航感知，经评估能耗估计准确、碰撞风险低，能低成本支持群智能分布式感知研究。
2024-11-21 cs.DC cs.RO
EmergencyNet: Efficient Aerial Image Classification for Drone-Based Emergency Monitoring Using Atrous Convolutional Feature Fusion
KIOS Research and Innovation Center of Excellence（KIOS研究与创新卓越中心）；University of Cyprus（塞浦路斯大学）
基于深度学习的算法可以为无人驾驶飞行器（UAV）/无人机等遥感技术提供最先进的准确性，从而可能增强其在许多应急响应和灾害管理应用中的遥感能力。特别是，配备相机传感器的无人机可以在偏远且难以进入的受灾地区运行，分析图像并在存在各种灾害（如倒塌的建筑物，洪水或火灾）时发出警报，以便更快地减轻其对环境和人口的影响。然而，深度学习的集成引入了繁重的计算需求，阻止了在许多对推理施加低延迟约束的场景中部署这种深度神经网络，以便实时的做出关键任务决策。为此，本文重点研究了用于应急响应/监测应用的机载无人机的有效空中图像分类。具体来说，一个专门的航空图像数据库的应急响应应用程序的介绍和现有的方法进行比较分析。通过这种分析，提出了一种轻量级的卷积神经网络架构，称为EmergencyNet，基于atrous卷积来处理多分辨率特征，能够在低功耗嵌入式平台上高效运行，与现有模型相比，性能提高20倍，内存需求最小，与最先进的模型相比，精度下降不到1%。
2021-04-28 cs.CV cs.LG cs.RO
Energy-Aware Multi-Agent Reinforcement Learning for Collaborative Execution in Mission-Oriented Drone Networks
Colby College（科尔比学院）；Columbia University（哥伦比亚大学）
针对任务型无人机网络协同执行的能量与轨迹设计挑战，提出基于多智能体强化学习的协同执行模型，以电池电量驱动设计，实现高任务成功率。
2024-10-29 cs.AI cs.LG cs.MA
Collaborative Target Search with a Visual Drone Swarm: An Adaptive Curriculum Embedded Multistage Reinforcement Learning Approach
Nanyang Technological University（南洋理工大学）
针对视觉无人机集群在无先验信息下的协同目标搜索难题，提出自适应课程嵌入多阶段强化学习方法，通过任务分解与难度自适应调整实现高效训练，并在真实集群中验证了其有效性与泛化能力。
2023-11-25 cs.AI cs.RO
LLM-Land: Large Language Models for Context-Aware Drone Landing
Department of Electrical and Computer Engineering（电气与计算机工程系）；Drexel University（德雷塞尔大学）；Department of Electrical and Systems Engineering（电气与系统工程系）；University of Pennsylvania（宾夕法尼亚大学）
本文提出 LLM-Land 混合框架，利用 VLE、轻量级 LLM 与 RAG 推断场景安全缓冲，并结合 MPC 实时重规划，提升无人机在动态杂乱环境中的安全精准降落能力。
2025-05-09 cs.RO
SwarmNxt: Open-source Software-Hardware Platform for Fast and Agile Aerial Swarms
Ecole Polytechnique Federale de Lausanne (EPFL)（洛桑联邦理工学院）；Hong Kong University of Science and Technology（香港科技大学）
SwarmNxt是一个基于开源OmniNxt硬件的ROS 2软件平台，提供端到端工具包，通过六机分布式规划和四机板载深度估计实验，验证了快速敏捷的自主集群导航能力。
2026-09-11 cs.RO
Safe and Scalable Multi-Drone Payload Transport via CBF-based Reinforcement Learning with Zero-Shot Sim-to-Real Transfer
Reliable Autonomous Systems Lab, Massachusetts Institute of Technology（可靠自主系统实验室，麻省理工学院）
研究多无人机载荷运输问题，提出基于学习的框架，引入二维抽象，用离散图控制障碍函数近端策略优化训练全分布式策略，实现零样本模拟到现实的迁移，能在不同团队规模和任务场景泛化，在动态环境安全运行。
2026-07-24 cs.MA cs.RO cs.SY
The Urban Last Mile Problem: Autonomous Drone Delivery to Your Balcony
Computer Engineering and Networks Laboratory（计算机工程与网络实验室）
本文提出了一种基于商用无人机的城市最后一公里自主送货方法，通过GPS定位和视觉导航实现对阳台或门廊等非集中地点的精准配送，并开源代码以促进未来研究。
2018-09-21 cs.RO cs.SY eess.SY
Flight Dynamics to Sensing Modalities: Exploiting Drone Ground Effect for Accurate Edge Detection
Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院）；Computer Science Department, Carnegie Mellon University, USA（卡内基梅隆大学计算机科学系）；Shenzhen Smart City Communication Co., Ltd., China（深圳智慧城市通信有限公司）；School of Software, Tsinghua University, Beijing 100084, China（清华大学软件学院）
本文提出AirTouch系统，利用无人机地面效应作为新感知模态，通过分析姿态传感器和飞行命令实现精确边缘检测，平均误差0.051米，功耗仅43毫瓦，性能优于基线86%。
2025-09-25 cs.NI cs.RO
Cognitive Guardrails for Open-World Decision Making in Autonomous Drone Swarms
University of Notre Dame（内布拉斯加大学）
针对自主无人机集群在开放世界搜索救援中传统CV识别能力不足及LLM幻觉风险，本文提出并验证了用于约束高层决策的认知护栏，实现了安全合理的自主任务决策。
2025-06-01 cs.AI cs.HC cs.RO
LBurst: Learning-Based Robotic Burst Feature Extraction for 3D Reconstruction in Low Light
Commonwealth Scientific and Industrial Research Organisation (CSIRO)（联邦科学与工业研究组织（CSIRO））；Australian Centre for Robotics (ACFR)（澳大利亚机器人中心（ACFR））；The University of Sydney（悉尼大学）
针对低光照下无人机机载成像质量差制约3D重建的问题，提出LBurst学习架构，通过在连拍低信噪比图像中提取高质量真实特征、减少虚假特征增强重建，可适配毫勒克斯级极暗场景，支撑夜间及地下采矿、搜救等低光作业。
2024-10-31 cs.CV cs.RO
Flying through Moving Gates without Full State Estimation
Technical University of Munich（慕尼黑工业大学）；Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所）
针对未知动态环境中的移动门穿越问题，提出仅依赖单目视线、无需地图或 VIO 的 PN 视觉控制优化方法，并通过仿真与真机验证其高速鲁棒性。
2025-03-18 cs.RO
Towards Perception-based Collision Avoidance for UAVs when Guiding the Visually Impaired
Department of Computational and Data Sciences, Indian Institute of Science（计算与数据科学系，印度科学院）
本文提出一种基于感知的路径规划系统，利用多DNN框架实现无人机在引导视觉障碍者时的局部避障，并在校园三种场景中验证了可行性。
2025-06-17 cs.CV cs.RO
WeatherPrompt: Multi-modality Representation Learning for All-Weather Drone Visual Geo-Localization
School of Computer Engineering and Science, Shanghai University, China（上海大学计算机工程与科学学院）；Faculty of Science and Technology and Institute of Collaborative Innovation, University of Macau, China（澳门大学科技学院和协同创新研究院）
WeatherPrompt通过多模态学习提升无人机在恶劣天气下的视觉地理定位性能，采用无训练天气推理和动态门控机制实现天气不变表示，提升天气鲁棒性和召回率。
2025-12-04 cs.CV cs.RO
Interpretable Multimodal Gesture Recognition for Drone and Mobile Robot Teleoperation via Log-Likelihood Ratio Fusion
Department of Artificial Intelligence, Korea University（人工智能系，韩国大学）；Department of Computer Science, RPTU Kaiserslautern-Landau（计算机科学系，RPTU凯撒斯劳滕-兰道）；Embedded Intelligence, German Research Center for Artificial Intelligence (DFKI)（嵌入式智能，德国人工智能研究中心（DFKI））
提出一种融合腕戴式Apple Watch惯性数据和定制手套电容传感信号的多模态手势识别框架，利用对数似然比后期融合策略提升性能并提供可解释性，在降低计算成本的同时达到与视觉基线相当的识别效果。
2026-05-31 cs.AI cs.RO
Multi-Agent Reinforcement Learning for Unmanned Aerial Vehicle Coordination by Multi-Critic Policy Gradient Optimization
School of Informatics, University of Leicester（莱斯特大学信息学院）
针对多智能体强化学习在无人机协同中存在的误差反向传播困难、忽略协作的问题，提出含多价值估计网络与新型优势函数的多评判器策略优化架构，实现稳定训练与最优协同。
2020-12-31 cs.AI cs.LG cs.RO
Training on the Fly: On-device Self-supervised Learning aboard Nano-drones within 20 mW
Integrated Systems Laboratory (IIS), ETH Zürich（苏黎世联邦理工学院集成系统实验室）
本文提出纳无人机上仅需1MB内存和低至19mW功耗的设备端自监督微调方法，利用自身运动一致性解决领域偏移问题，实地测试显示水平位置误差最多降低26%。
2024-08-06 cs.AI cs.RO cs.SY
Bluetooth Phased-array Aided Inertial Navigation Using Factor Graphs: Experimental Verification
Department of Engineering Cybernetics, Norwegian University of Science and Technology (NTNU)（工程 cybernetics 部，挪威科学技术大学（NTNU））
本文通过多旋翼无人机实验数据，比较了基于因子图优化的稳健估计策略，评估蓝牙角测量在GNSS信号丢失情况下的导航性能。
2026-05-14 cs.RO cs.SY eess.SY
UAV-VLRR: Vision-Language Informed NMPC for Rapid Response in UAV Search and Rescue
Intelligent Space Robotics Laboratory, Center for Digital Engineering, Skolkovo Institute of Science and Technology（智能空间机器人实验室、数字工程中心、斯克尔科沃科学与技术研究所）
提出融合 VLM、ChatGPT-4o 与带避障 NMPC 的 UAV-VLRR 系统，以自然语言规划搜救任务并安全快速执行，响应速度显著优于自动驾驶仪和人类飞行员。
2025-05-13 cs.RO cs.SY eess.SY
A Compendium of Autonomous Navigation using Object Detection and Tracking in Unmanned Aerial Vehicles
Lovely Professional University（拉夫里专业大学）
本文综述了利用计算机视觉中的实时目标检测与跟踪算法实现无人机自主导航的各种方法，以解决无线控制面临的信号、实时性和安全性挑战，并探讨其在灾害管理、密集区域探索和交通监控等领域的应用。
2025-05-31 cs.CV cs.RO eess.IV
Vision-Guided Outdoor Flight and Obstacle Evasion via Reinforcement Learning
College of Engineering, Department of Electrical Engineering and Computer Science, University of California Berkeley（加州大学伯克利分校工程学院电气工程与计算机科学系）
提出一种基于立体视觉深度和视觉惯性里程计的传感器运动策略，通过强化学习和特权学习在仿真中训练，实现零样本迁移到未知户外环境和无人机平台进行自主避障导航。
2026-05-23 cs.LG cs.RO
Design, Localization, Perception, and Control for GPS-Denied Autonomous Aerial Grasping and Harvesting
Indian Institute of Technology (IIT), Kanpur（印度理工学院坎普尔分校）
针对无GPS、纯机载计算的室内偏心空中抓取难题，研究团队研发了含新型轻量化夹爪的完整Drone-Bee无人机系统，覆盖定位、感知、控制等模块及端到端自主状态机，在室内垂直农场类苹果采摘中实现高抓取率，推动空中操作进入第四代。
2024-10-08 cs.RO
Dynamic Placement of Rapidly Deployable Mobile Sensor Robots Using Machine Learning and Expected Value of Information
Google Research（谷歌研究院）；AVEVA
虽然工业物联网增加了工业工厂中永久安装的传感器数量，但由于传感器损坏或密度稀疏，在非常大的工厂中（如石化行业），覆盖范围会有差距。现代应急响应行动开始使用小型无人机系统（sUAS），这些系统能够将传感器机器人投放到精确位置。sUAS可以提供无人机无法提供的长期持续监测。尽管这些资产的成本相对较低，但在紧急响应期间，在复杂的工厂环境中选择将哪些机器人传感系统部署到工业过程的哪个部分仍然具有挑战性。本文介绍了一个框架，用于优化部署的紧急传感器，实现机器人在灾难情况下的响应能力的初步步骤。人工智能技术（长短期记忆、一维卷积神经网络、逻辑回归和随机森林）识别传感器最有价值的区域，而无需人类进入潜在危险区域。在所描述的案例研究中，用于优化的代价函数考虑了假阳性和假阴性错误的代价。缓解措施的决定包括实施维修或关闭工厂。信息期望值（EVI）用于识别最有价值的物理传感器类型和位置，以增加传感器网络的决策分析价值。这种方法被应用到一个案例研究，使用田纳西州伊士曼化工厂的过程数据集，我们讨论了我们的研究结果的影响，在工厂的紧急情况和恢复能力的情况下，传感器的操作，分配和决策。
2021-11-15 cs.RO cs.SY eess.SY
